研究者提出图平滑训练时校准正则器

Idan Horowitz 和 Avigdor Gal 提出“图平滑”作为训练时校准的通用原则，通过惩罚表征空间中相邻样本预测分布之间的 Jensen-Shannon 散度来改善模型校准，并推导出连接邻域预测散度与局部置信度变化及逐点校准误差传播的边界。 该方法在标准校准基准上提升了预测质量，且与事后校准互补，在温度缩放后于八种图像和表格设置中的七种取得了所有评估训练时方法中最低的 NLL。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。